6G 網(wǎng)絡 Al 關鍵指標需求

6G網(wǎng)絡AI關鍵指標需求1.背景及目標6G網(wǎng)絡的發(fā)展帶來了不斷豐富的用戶場景，如沉浸式XR、自動駕駛和智能協(xié)同控制等，網(wǎng)絡AI應運而生。網(wǎng)絡AI通過AI算法優(yōu)化網(wǎng)絡資源配置，提高網(wǎng)絡性能和可靠性，為用戶提供就近泛在的AI服務，具有泛在普惠、移動性支持、帶有用戶屬性、極致性能、內(nèi)生安全隱私、可信等技術優(yōu)勢?，F(xiàn)有的5G網(wǎng)絡服務等級協(xié)議（SLA）聚焦于面向會話連接的服務，例如時延、抖動、誤碼率、峰值速率等，關注ToB業(yè)務的SLA，缺乏對6G網(wǎng)絡AI的刻畫與衡量。此外，云三類服務模式，對應不同的服務指標體系，不能相互兼容。云AI重點關注ToC業(yè)務的指標，也不再符合6G網(wǎng)絡AI賦能千行百業(yè)的愿景。6G網(wǎng)絡引入多樣化AI能力與多維度AI資源，如何先擴展后收斂、量化、標準化AI相關的指標是6G網(wǎng)絡提供高效AI服務的必要條件。2.關鍵指標設計原則和方法網(wǎng)絡AI的KPI設計原則如下：定量性：KPI盡可能是可以度量的，具體而清晰，能夠通過數(shù)據(jù)來驗證。并且KPI應該具有明確的指標和測量方法，以便能夠收集和分析相關數(shù)據(jù)，并對其進行評估。業(yè)務相關性：KPI應該與AI業(yè)務目標密切相關，并直接反映出AI服務對業(yè)務的影響。這有助于確保AI服務的價值與業(yè)務目標保持一致?？刹僮餍裕篕PI應該能夠為網(wǎng)絡決策、執(zhí)行、評估、保障提供指導，幫助網(wǎng)絡檢測識別問題并采取相應的措施。因此，KPI應該符合實際可操作測量和可改進優(yōu)化的指標，而不僅僅是簡單地度量性能。靈活性：面臨業(yè)務和技術不斷更新的變化，KPI可能存在頻繁調(diào)整的問題。因此，KPI的設計應該具有一定的靈活性和適應性，以應對不斷變化的需求和挑戰(zhàn)?？啥ㄎ恍裕篕PI的變化應該能夠追溯到特定的原因或事件，以便在需要時進行調(diào)查和分析。這需要建立有效的數(shù)據(jù)收集和記錄機制，以便跟蹤KPI的變化?；谏鲜鲫P鍵指標的設計原則，潛在設計方法和路線如下：1.6G網(wǎng)絡AI關鍵指標的潛在設計從典型場景的典型用例的出發(fā)，明確其需求和目的。2.明確不同6G網(wǎng)絡指標的面向?qū)ο螅嫦騿蝹€用戶的服務質(zhì)量、面多個用戶的服務質(zhì)量、面向網(wǎng)絡或系統(tǒng)的評估。3.通過分析現(xiàn)有ITU明確提出的6G的15個可量化的能力指標（連接數(shù)密度、移動性、時延、可靠性、定位精度、峰值速率、用戶體驗速率、頻譜效率、區(qū)域流量密度、感知相關指標、AI相關指標、安全隱私韌性性能指標、可持續(xù)性性能指標、覆蓋、互操作）與典型場景的典型用例的關系，從15個指標中先篩選出符合AI服務需求和目的的指標形成合集，并且分析每個指標能滿足服務質(zhì)量的定量描述，包括準確數(shù)值或者一定范圍的數(shù)值。4.針對典型用例逐個分析，篩選出除15指標以外新的指標。新的指標可以針在不同顆粒度上的、不同維度的指標，例如針對在空口上、在整個AI服務質(zhì)量上等，并研究起定義、評估方法等。3.典型場景及新KPI3.1場景一——網(wǎng)絡輔助智能機器人機器人在工業(yè)、物流、醫(yī)療、教育等領域中有廣泛應用，它們可以互相協(xié)作完成復雜任務，如搬運貨物、制造商品等。協(xié)作機器人之間的任務規(guī)劃對它們完成任務的效率和質(zhì)量有重要影響。如果機器人各自決策并通過彼此協(xié)商來進行任務規(guī)劃，當參與任務的機器人數(shù)量較多時，通常需要經(jīng)過多輪協(xié)商，這將會非常消耗機器人的計算資源和電量。因此，6G網(wǎng)絡可以為多個協(xié)作機器人規(guī)劃任務，各機器人根據(jù)分配的任務進行運動控制以執(zhí)行任務，這樣可以節(jié)約機器人的電力和計算資源，并提升任務規(guī)劃效率[1]。如圖3.1所示，廠房內(nèi)的機器人A，B，C，D，E，F(xiàn)需要協(xié)作將設備P1和P2搬到位置L。在這個用例中，我們假設機器人與6G網(wǎng)絡相連，機器人之間可以直接通信。其業(yè)務流程如下：1.機器人管理員給多個協(xié)作機器人部署設備搬運任務，為了更高效地得出任務執(zhí)行策略，機器人向網(wǎng)絡發(fā)起任務分配和移動路線規(guī)劃請求，提供任務需求（將設備P1、P2搬到位置L）、參與任務的多個機器人標識、每個機器人的能力信息。2.網(wǎng)絡定位參與任務的機器人以及需要搬運的設備位置。3.網(wǎng)絡感知設備P1和P2的形狀和材質(zhì)。4.網(wǎng)絡收集工廠廠房的環(huán)境信息，進行3D環(huán)境建模，識別障礙物。5.網(wǎng)絡決策每個機器人要執(zhí)行的任務以及移動軌跡。6.網(wǎng)絡將任務分配信息和移動軌跡發(fā)送給機器人。7.機器人根據(jù)部署的任務信息進行運動控制推理，并執(zhí)行任務?！裣到y(tǒng)要求在網(wǎng)絡輔助智能機器人場景中，對系統(tǒng)具有下列要求：1.機器人與6G邊緣計算節(jié)點建立連接，機器人與機器人之間可以D2D通信；2.機器人具有感知能力、AI數(shù)據(jù)預處理能力、AI模型訓練能力、AI分布式推理能力；3.各機器人利用本地數(shù)據(jù)分布式訓練AI模型，周期性將本地模型參數(shù)上傳到邊緣計算節(jié)點，完成模型聚合，構成聯(lián)邦學習；●實體和交互●新增使能服務基于上述對AI任務和網(wǎng)絡輔助智能機器人場景的描述，網(wǎng)絡的使能服務包括：√6G邊緣計算節(jié)點的AI環(huán)境渲染服務；在經(jīng)濟價值方面，GGII預測顯示，到2027年，中國的移動機器人將超過460億元。根據(jù)GGII的統(tǒng)計數(shù)據(jù)，截至2022年，全球移動機器人市場的規(guī)模約為291.6億元，同比增長35.31%，預計到2027年將上。此外，艾瑞咨詢也預測，到2025年，中國的智能機器人市場規(guī)模圖3.2開源證券預測2018-2027年全球與國內(nèi)AGV市場規(guī)模圖3.3艾瑞咨詢2019-2025年中國智能機器人市場規(guī)模及預測在產(chǎn)業(yè)價值方面，隨著AMR技術的不斷成熟和市場需求不斷提升，AMR機器人的應用場景也越來越多樣化。除了傳統(tǒng)的制造、物流領域，AMR機器預測在2027年，超過75%的公司將在其倉儲運營中采用某種形式的智能物理自AMRs、AGVs、人形機器人、協(xié)作機器人等，以應對不同任務和工作環(huán)境。通相機、處理器和FPGA，能夠在實時環(huán)境中做出決策。視覺能力得到提高，而智能城市等行業(yè)。機器人制造商提供多樣化的解決方案，如自主移動機器人滿足不同行業(yè)的需求。圖3.4艾瑞咨詢總結(jié)商業(yè)服務領域痛點需求與產(chǎn)品類型圖3.5艾瑞咨詢總結(jié)2012-2022年智能機器人行業(yè)相關政策（國家級）在移動性方面，3GPP提出的TR22.874協(xié)議指出，移動機器人需要在不斷TR22.874協(xié)議要求：若機器人完全由云服務器控制，則行走任務往返時延需小于3ms；若采用分離控制，需小于25ms。而IMT20306G愿景白皮書提出，實現(xiàn)智能體對于人類的實時交互與反饋，傳輸時延要小于1ms，在隱私性方面，家庭機器人會涉及到更多的用戶隱私保護需求。在端邊協(xié)同方面，TR22.874協(xié)-邊-云”協(xié)同架構，緩解終端數(shù)據(jù)處理壓力，增強機器人對環(huán)境變化的實時響3.1.3新KPI要求基于上述價值場景和典型用例，可以歸納得出的新的網(wǎng)絡如下AI關鍵指標：環(huán)境渲染準確性、D2D數(shù)據(jù)交互時延、模型聚合時延、模型聚合準確性、系統(tǒng)魯棒性。1.環(huán)境渲染準確性：利用已訓練好的AI模型進行環(huán)境渲染，與真實物理環(huán)境之間的誤差；2.D2D數(shù)據(jù)交互時延：機器人之間D2D數(shù)據(jù)交互的時長；3.模型聚合時延：從機器人的局部模型參數(shù)上傳給邊緣計算節(jié)點，到完成模型聚合的4.模型聚合準確性：聚合后的全局模型推理準確性；系統(tǒng)魯棒性：部分機器人的狀態(tài)反饋或局部模型訓練缺乏時，邊緣計算節(jié)點的全局模型的可靠性。3.2場景二——XR智能場景XR技術在工業(yè)應用、醫(yī)療領域、教育、軍事訓練、電子商務、游戲娛樂、旅游文化、遠程協(xié)作等多個場景中廣泛應用，其中這些場景下的增強沉浸式體驗、實時語音翻譯、圖像和物體識別、只能導航和地圖、實時內(nèi)容生成、數(shù)據(jù)分析和預測等功能上與AI技術結(jié)合，為用戶帶來更加豐富和深入的體驗。充分發(fā)揮6G網(wǎng)絡能夠提供更低時延、高移動性、隱私性保護、靈活的端邊協(xié)同的優(yōu)勢，在XR場景中的典型AR智能導航用例中，6G網(wǎng)絡在提高效率、增強用戶體驗方面發(fā)揮著重要作用。其中涉及到的AI功能如下：1、地標識別：AR導航可以識別并高亮顯示重要的地標，如建筑物、雕塑或其他顯著特征，幫助用戶更好地理解周圍環(huán)境。2、步行路線規(guī)劃：通過分析用戶的當前位置和目的地，AR導航可以提供最佳的步行路線，并在用戶行走時實時更新路徑。3、緊急導航：在緊急情況下，如火災或地震，AR導航可以提供快速疏散路徑，指導用戶安全撤離。4、個性化導航：基于用戶的歷史行為和偏好，AR導航可以提供個性化的路線建議，例如推薦風景優(yōu)美的路線或避開用戶不喜歡的區(qū)域。5、增強的旅游體驗：在旅游領域，AR導航不僅可以指引方向，還可以提供關于景點的歷史信息、圖片和視頻，增強用戶的旅游體驗。假設用戶AI在城市的旅游中使用AR導航，并實時顯示周圍城市信息：其業(yè)務流程如下：1、用戶啟動應用：游客在智能手機或AR眼鏡上啟動專門的文旅AR導航應用。這個應用可能是旅游景點提供的，也可能是第三方開發(fā)的，專門為文旅導航設計。2、位置識別與環(huán)境感知：應用通過GPS、6G網(wǎng)絡、wifi、藍牙信標等技術確定用戶的當前位置，并利用攝像頭捕獲周圍環(huán)境的視覺信息。3、地圖加載與融合：應用加載景點的數(shù)字地圖，與用戶的實際視野相融合。地圖上可能會標記出各種興趣點（POI如歷史建筑、藝術雕塑、文化展覽信息等。4、目標選擇：游客可以通過語音命令、觸摸屏幕或頭部移動等方式選擇他們感興趣的目的地或景點。5、路徑規(guī)劃：應用根據(jù)用戶的位置和偏好，利用AI算法計算出一條最佳路徑。路徑規(guī)劃會考慮到景點的開放時間、游客流量、步行距離等因素。6、AR導航指引生成：識別圖像，生成AR導航指引，如虛擬箭頭、路徑線、3D模型等，并將這些元素疊加在用戶的實際視野之上。7、導航指引展示：AR指引在用戶的設備屏幕上實時顯示，引導游客沿著規(guī)劃好的路徑前進。指引可以根據(jù)用戶的移動速度和方向動態(tài)調(diào)整。8、互動體驗增強：在導航過程中利用AI算法，識別環(huán)境、可以提供額外的互動體驗，如生成歷史故事講解、文化背景介紹、趣味問答等，增加游客的參與感和沉浸感。9、實時反饋與調(diào)整：游客可以對導航路徑進行實時反饋，利用AI算法選擇繞路以避開人多的地方或延長游覽時間。應用根據(jù)反饋調(diào)整導航指引。10、結(jié)束導航：當游客到達目的地后，AR導航指引會消失或提示游客已經(jīng)到達。游客可以對整個導航體驗進行評價，提供反饋?！裣到y(tǒng)要求在AR職能導航場景中，對系統(tǒng)具有下列要求：4.AR眼鏡或者移動終端與6G網(wǎng)絡邊緣計算節(jié)點建立連接；5.AR眼鏡或者移動終端具有感知能力、AI數(shù)據(jù)預處理能力、和或AI模型推理能力。6.網(wǎng)絡具有AI數(shù)據(jù)預處理能力、AI模型推理能力、AI模型訓練能力；7.網(wǎng)絡具有AI模型下發(fā)能力；8.網(wǎng)絡具有擴展性和兼容性：網(wǎng)絡系統(tǒng)能夠支持未來的技術升級和與其他設備的兼容。9.安全性和隱私保護：確保用戶數(shù)據(jù)安全，防止未經(jīng)授權的訪問和數(shù)據(jù)泄露，同時保護用戶的隱私。10.系統(tǒng)冗余和容錯能力（包括算法在關鍵組件（如傳感器、執(zhí)行器、計算平臺）出現(xiàn)故障時，系統(tǒng)仍能保持一定程度的導航功能?！駥嶓w和交互新增實體與交互的需求包括：√網(wǎng)絡與AR眼鏡或者移動終端的交互具有低時延；√網(wǎng)絡和移動終端能夠協(xié)同算力和連接資源；√對于需要實時數(shù)據(jù)交互需要一定的穩(wěn)定性，交互可靠，抖動時延低；●新增使能服務新增的使能服務包括：√文字、語音、圖像、視頻的AI生成內(nèi)容√AI數(shù)據(jù)分析和預測√AI圖像處理、識別、檢測、渲染在經(jīng)濟價值方面，據(jù)IDC預計，2023年AR/VR耳機的總出貨量將增長14%，并在2023-2027年的預測期內(nèi)加速增長，五年復合年增長率（CAGR）為32.6%。圖3.2.1IDC預測全球AR/VR頭戴設備產(chǎn)量預測在產(chǎn)業(yè)價值方面，Gartner預測，到2025年，收入超過10億美元的組織中，有15%將使用AR云，通過新的交互和商業(yè)模式從物理世界中獲利。雖然AR云的許多機會還需要數(shù)年時間，但企業(yè)可以采取近期行動來利用這一新興技術。此外，艾瑞咨詢在《中國增強現(xiàn)實行業(yè)研究報告》中提出，在樂觀預測下，預計2025年前，包括蘋果在內(nèi)的互聯(lián)網(wǎng)企業(yè)、手機廠商等頭部企業(yè)將陸續(xù)推出切入XR領域的新品刺激行業(yè)正向推動；2030年左右，AR產(chǎn)業(yè)或?qū)⑼黄片F(xiàn)有技術瓶頸，推動供應鏈走向成熟，終端設備單價進一步降低。圖3.2.22020-2036年中國AR終端設備出貨量預測在戰(zhàn)略意義方面，“十三五”首次提及虛擬現(xiàn)實，AR被視為具有重大戰(zhàn)略價值和應用前景的創(chuàng)新先進技術。圖3.2.3艾瑞咨詢總結(jié)2016-2020年中國VR/AR行業(yè)相關政策艾瑞咨詢在《中國增強現(xiàn)實行業(yè)研究報告》中指出，在生態(tài)成熟度方面，企業(yè)級和公共服務類應用仍在試探嘗新階段，AR產(chǎn)業(yè)生態(tài)整體處于試探性階段。在技術成熟度方面，短期內(nèi)（3-5年）可商業(yè)化落地的技術已實現(xiàn)較大飛躍，長期來看（5年后各關鍵技術的發(fā)展路徑相對明確。在商業(yè)模式方面，AR消費級下游內(nèi)容生態(tài)商業(yè)模式多基于已有成熟內(nèi)容生態(tài)做延伸。短期內(nèi)或?qū)⒚媾R商業(yè)變現(xiàn)增長乏力問題。但在長期來看，隨著技術不斷迭代，B端場景將愈發(fā)走向?qū)I(yè)化，C端場景或?qū)⑦M一步細分，AR市場的快速增長和規(guī)模上量仍將依賴于C端市場的推動與爆發(fā)。在政策支持方面，AR在“十四五”中被列為數(shù)字經(jīng)濟重點產(chǎn)業(yè)，為雙千兆網(wǎng)絡強應用場景。圖3.2.4艾瑞咨詢總結(jié)2021-2023年中國VR/AR行業(yè)相關政策在移動性方面，華為在《AR洞察與應用實踐白皮書》中指出，AR具備強移動性，在移動場景的應用將為用戶帶來切實價值，這與移動網(wǎng)絡完美結(jié)合。圖3.2.5AR導航（來源：Shutterstock）在實時性方面，賽迪智庫提出，新形勢下高質(zhì)量AR/VR業(yè)務對帶寬、時延要求逐漸提升，時延降低到5ms以下。而在3GPPTR22.874協(xié)議中，對AR游戲、遠程控制機器人、遠程駕駛的圖像識別時延要求在5ms以下。圖3.2.6AR/VR應用場景參數(shù)指標在隱私性方面，根據(jù)Kaspersky提出的文章，增強現(xiàn)實的最大可見危險之一是隱私。用戶的隱私面臨風險，因為AR技術可以看到用戶在做什么。AR收集了很多關于用戶是誰以及他們正在做什么的信息，比社交媒體網(wǎng)絡或其他形式的技術程度更深。在端邊協(xié)同方面，3GPP在TR22.874協(xié)議中指出，AR計算密集型任務可以完全或部分卸載?；谏鲜鰞r值場景和典型用例，可以歸納得出的新的網(wǎng)絡如下AI關鍵指標：AI服務的時延、AI服務推理的準確度、系統(tǒng)的魯棒性；3.4場景四——終端智能應用場景音頻轉(zhuǎn)文字包括語音識別和跨語言翻譯，已廣泛應用于視頻通話配字幕，語音通話配字幕，以及會議直播配字幕等場景[2]。目前，在5G增強的IMS新通話已包含音頻轉(zhuǎn)文字功能。具體實現(xiàn)方式是通過在IMS調(diào)用第三方的媒體能力平臺中的API完成[1]。由于語音流需要先傳到第三方服務器進行AI模型推理，再反饋回IMS，因此，存在業(yè)務時延大的問題。此外，在線會議系統(tǒng)（例如，騰訊會議，微軟Teams等）的應用中包括實時配字幕功能，但明顯可以觀察到出錯現(xiàn)象，特別是在涉及一些領域?qū)Ｓ忻~，或者中英文混雜表達時，出錯概率更高。如圖3.3-1所示，假設由接收側(cè)IMS調(diào)用第三方API接口，在5G增強的IMS新通話已實現(xiàn)的音頻轉(zhuǎn)文字功能的流程如下：1.發(fā)送手機將語音流透傳到接收側(cè)IMS。2.接收側(cè)的IMS解碼出語音流，并將語音流發(fā)送到媒體能力平臺，由第三方的服務器完成AI模型的推理，獲得語音識別結(jié)果或翻譯結(jié)果，然后反饋給IMS.3.接收側(cè)的IMS將文字流透傳到接收手機。一種方式是將語音流和文字流分兩路傳輸給接收終端；另一種方式是在接收側(cè)的IMS將語音流和文字流合并為一路數(shù)據(jù)，合并發(fā)送給接收終端。圖3.3-15G新通話實現(xiàn)音頻轉(zhuǎn)文字的示意圖在6G，音頻轉(zhuǎn)文字可以在終端和IMS之間通過分割推理完成。例如，在接收IMS和接收終端進行分割推理。如圖3.3-2所示，流程包括1.發(fā)送手機將語音流透傳到接收側(cè)IMS。2.接收側(cè)的IMS解碼出語音流，進行AI模型第一分量的推理后，獲得分割層結(jié)果。3.接收側(cè)的IMS將分割層結(jié)果透傳到接收手機。一種方式是將語音流和分割層結(jié)果分兩路傳輸給接收終端；另一種方式是在接收側(cè)的IMS將語音流和分割層結(jié)果合并為一路數(shù)據(jù)，合并發(fā)送給接收終端。4.接收終端將分割層的結(jié)果作為AI模型第二分量的模型輸入，進行模型推理后，獲得推理后的文字。圖3.3-2基于終端和IMS分割推理實現(xiàn)音頻轉(zhuǎn)文字的示意圖●系統(tǒng)要求為了支持在6G系統(tǒng)內(nèi)完成實時音頻轉(zhuǎn)文字功能，6G系統(tǒng)需要具有模型推理能力，模型部署能力，計算能力?？蛇x的，6G系統(tǒng)需要具有模型監(jiān)控能力和訓練數(shù)據(jù)收集能力?！駥嶓w和交互對于在接收IMS和接收終端做分割推理實現(xiàn)音頻轉(zhuǎn)文字用例，涉及的實體包括終端和IMS。發(fā)送終端到接收IMS之間交互的是加密的語音流；接收IMS到接收終端之間交互的是加密的語音流和加密的文字流。其中，加密的語音流和加密的文字流可以分開傳輸，或者合并傳輸?！裥略鍪鼓芊障啾扔?G增強系統(tǒng)，6G系統(tǒng)可以提供時延更低和準確率都更有保障的實時音頻轉(zhuǎn)文字/實時音頻翻譯服務。音頻轉(zhuǎn)文字中語音識別功能可以在視頻或音頻傳輸質(zhì)量欠佳的情況下，通過文字信息幫助接收者獲得更多有效的信息。此外，它還可以幫助聽力殘障人士通過文字信息獲得有用信息。音頻轉(zhuǎn)文字中的跨語言翻譯功能，可以幫助不同語言的人們進行更有效的溝通和交流。這些應用為人們提供了更多便利和可及性，促進了信息的傳遞和交流。相比于5G的實現(xiàn)方式，6G的實現(xiàn)方式的技術優(yōu)勢體現(xiàn)在提升推理精度、降低推理時延和保護用戶隱私。提升推理精度：假設相比于5G系統(tǒng)，6G系統(tǒng)使用模型尺寸更大、精度更高的模型；另一方面，通過在IMS和終端分割推理的方式保證推理時延不大于5G系統(tǒng)的推理時延，則6G系統(tǒng)可以獲得更高的推理精度。降低推理時延：假設6G系統(tǒng)和5G系統(tǒng)使用模型尺寸類似且精度類似的模型，則通過將推理節(jié)點部署在網(wǎng)絡內(nèi)部（IMS和終端而不需要將語音流發(fā)到第三方平臺再傳回IMS，即縮短了數(shù)據(jù)流轉(zhuǎn)的路徑，因此，可以獲得更低的推理時延。保護用戶隱私：相比5G的實現(xiàn)方式，6G的實現(xiàn)方式中AI的處理位于6G系統(tǒng)內(nèi)部，不用把用戶語音流發(fā)到第三方平臺，可以更好地保護用戶隱私。對于音頻轉(zhuǎn)文字用例，潛在需要的KPI包括AI服務的時延，推理精度，服務密度等?；?.3.2小節(jié)的分析，6G實現(xiàn)方式相比于5G現(xiàn)有實現(xiàn)方式的技術優(yōu)勢包括了提升推理精度和降低推理時延。因此，可以將AI服務時延和推理精度作為潛在KPI。此外，考慮到存在多個用戶同時觸發(fā)音頻轉(zhuǎn)文字用例，即6G系統(tǒng)需要同時為多個用戶提供AI服務的情況，因此，可以考慮將服務密度作為6G系統(tǒng)提供AI服務的KPI。4.網(wǎng)絡AIKPI指標設計方案4.1網(wǎng)絡AIKPI定義通信網(wǎng)絡的KPI是網(wǎng)絡在不同場景下所能提供的能力的關鍵量化指標。代際之間，典型場景演進的指標度量，乃至新場景的關鍵能力的定義都需要網(wǎng)絡KPI。實際上，代際網(wǎng)絡架構的規(guī)劃是圍繞網(wǎng)絡KPI進行的。ITU-R愿景定義了6G網(wǎng)絡的6類典型場景，其中之一就是integratedAIandcommunication。6類典型場景中有3個是5G原有典型場景的增強，如immersivecommunication就是eMBB場景的增強，因此在KPI指標方面更多考慮的是原有指標的數(shù)值變化。而integratedAIandcommunication是6G全新定義的場景，因此，對于新場景，更為緊迫的問題是如何定義能夠度量新場景能力的指標[3]。IntegratedAIandcommunication場景，在通信方面，需要支持高區(qū)域流量容量和用戶體驗數(shù)據(jù)速率，以及低延遲和高可靠性。除了通信方面，該使用場景預計引入融合的計算和AI新功能，包括從不同來源進行數(shù)據(jù)采集、準備和處理，分布式AI模型訓練，跨IMT系統(tǒng)的模型共享和分布式推理，以及計算資源編排和鏈接。綜上，網(wǎng)絡AIKPI是度量ITU-R愿景中IntegratedAIandCommunication場景的關鍵能力的指標或指標組合。前一章節(jié)講了網(wǎng)絡KPI的定義，實際回答了為什么需要KPI以及網(wǎng)絡的哪些能力需要涉及KPI，涉及的方式可以是數(shù)值的變更也可以是新的指標定義。本章節(jié)主要圍繞網(wǎng)絡KPI的模型展開，想要回答的問題是，網(wǎng)絡能力和KPI指標之間的關系，以及KPI指標之間的相互關系是什么。通過本章節(jié)，我們希望能夠得出網(wǎng)絡AIKPI模型乃至整個網(wǎng)絡的KPI模型。4.2.15GITUKPI模型ITU-RM.2410-0報告中提到，最小技術性能需求首先需要包括EMBB/URLLC/MMTC三大典型場景。此外，需要從用戶、制造商、應用開發(fā)商、網(wǎng)絡運營商、服務和內(nèi)容提供商的角度去設計KPI模型[4]。ITU-RM.2410-0最后形成的KPI模型如下：1.無線資源——速率/譜效/帶寬（考慮CA）√峰值速率/峰值譜效√用戶體驗速率/第五百分位的用戶譜效√平均譜效√區(qū)域通信容量√用戶面時延√控制面時延3.用戶數(shù)√連接密度（mMTC）4.運營效率類√能效5.可靠性√丟包率PDR（URLLC）6.移動性√終端移動性√切換時延和LTE的KPI進行對比，5G很明顯的一個特征在于，淡化了小區(qū)的概念，強化了用戶的概念[5]。除此以外，5G新增了區(qū)域通信容量/連接密度/可靠性這三個KPI指標。而新增指標則是由新的三類場景引入的。區(qū)域通信容量這一指標的設計思路是在原有帶寬/速率/譜效公式之上引入一個TRxP密度系數(shù)。連接密度和可靠性則直接來自于mMTC和URLLC場景最核心的需求，前者要求海量連接，后者要求高可靠，這兩者都直接和通信相關。最后，相比于LTE，5G的KPI新增能效這一效率類的指標，這里可以看出，雖然LTE和5G的ITU最小需求描述中都提到了“需要從用戶、制造商、應用開發(fā)商、網(wǎng)絡運營商、服務和內(nèi)容提供商的角度去設計KPI模型”，但LTE只涉及譜效，5G在譜效之外新增能效（效率趨勢）。綜上，根據(jù)5GITU最小技術性能報告，可以總結(jié)出引入新場景后KPI指標設計的幾個規(guī)律：●新場景KPI設計需要考慮對于連接的要求有沒有新增的維度；●新場景KPI設計需要考慮指標是否需要面向新的對象；●新場景KPI設計需要考慮資源效率；4.2.2Hexa-XKPI模型在Hexa-XD1.2中的第五章節(jié)Keyvalueandperformanceindicators（KVIs/KPIsHexa-X定義了6G的KPI模型[6]。Hexa-X在報告中把KPI指標分為四個來源：第一類是現(xiàn)有5GKPI指標演進，包括速率，容量，定位精度和連接密度等。根據(jù)6G新的場景的業(yè)務需求來對既有指標進行數(shù)值上的更新和演進；第二類是現(xiàn)有5GKPI指標的重定義，包括服務可獲得性，服務確定性，覆蓋和網(wǎng)絡能效。這類指標原有定義已經(jīng)無法適配新的場景的業(yè)務需求的評估，比如網(wǎng)絡能效的定義，5GITU-R定義的能效區(qū)分了負載場景和空載場景，在網(wǎng)絡負載峰谷不同狀態(tài)有不同的度量方式，而考慮到6G引入的新的場景，能效的度量可能會變?yōu)榉占壍?，甚至能效的度量會拓展到總體資源消耗的維度；第三類是是新的能力引入的新的KPI指標，新的能力包括通信感知融合，通信AI融合，本地計算集成等，以本地計算集成而言，新的KPI可能包括計算和存儲的時延，但是Hexa-X也提到，也未必一定需要直接定義這些“底層”指標，可以通過場景層面的指標來間接表征這些底層的需求。而通信AI融合相關的指標包括收斂時間，新能力帶來的額外能耗，錯誤率等，考慮到AI/ML的特點，這些指標必須是靈活的；第四類是KVI，包括可持續(xù)，可信，包容性和可依賴性等，這類KVI指標是比較上位抽象的概念，存在一定程度上的定義困難。綜上，Hexa-X的KPI/KVI模型提供了如下KPI模型設計的思路：●KPI指標的分類設計，現(xiàn)有指標演進，現(xiàn)有指標重定義，新能力指標定義以及KVI；●現(xiàn)有指標重定義關注6G新場景對于現(xiàn)有指標度量方式的維度拓展；●指標設計從資源級向服務級演指標來隱式表達；4.2.35GPPP/6GSANDBOXKPI模型6GSANDBOX/5GPPP在KPI模型設計上都對于6GKPI指標進行了劃分，通過對于KPIfamily的劃分，可以實現(xiàn)代際網(wǎng)絡核心能力的量化同時實現(xiàn)KPIfamily之間的正交。但是在涉及新能力的指標的劃分方式上，5GPPP和6GSANDBOX之間存在一定的差異，6GSANDBOX把AI和計算單獨列了出來作為一個family，而5GPPP則是把計算單獨列為5GPPP6GSANDBOXcomputecomputeenergyenergychannelchannelEMFEMFsensing從時間的先后順序來看，5GPPP的這個報告在6GSANDBOX之前，且兩者報告中存在相關內(nèi)容上的相互引用，且都采用了family的劃分這種方式，然而AI的KPI是否單獨列為一個family卻存在分歧。從5GPPP的觀點看，首先，AI雖然是新能力，但是并非是通信/計算之類的基礎性的，底層的資源，無法遵從資源劃分的范式；第二，能夠讓AI成為某個單獨family的指標，比如accuracy/precision，這些指標超出了網(wǎng)絡提供的服務范疇（尤human-in-the-loop的方式進行度量的，可能存在定量度量的困難。5GPPP中涉及AIKPIfamily包括：latency，compute，energy，security，channel，■Latency◆Newlatencycontributioncomponents◆Runtimedelay（LCM處理時延）■Compute■Security◆Anomalydetectionprecision6GSANDBOX總共分了11類KPIfamily，包括容量，時延，信道，EMF，可靠性，計算，能耗，安全，定位，服務可獲得性，AI/ML，感知。因為AI被單獨列為一個family，所以除了時延外和其他KPIfamily基本正交。AI的KPIfamily包括：AIMLaccuracy，AIMLprocessingresources。無論是5GPPP還是6GSANDBOX，KPIfamily的劃分的方法，也就是KPI的模型，可以總結(jié)如下思路:■KPI模型盡可能和ITU-R的指標形式靠攏；■KPIfamily的劃分（部分）解決指標之間相互正交的問題，比如，不同服務有不同時延構成（控制面/用戶面/計算&AI處理■KPIfamily的劃分包含基礎資源，如頻譜/計算/能耗等；從AIKPI模型來看，5GPPP不單獨列出AIKPIfamily，而6Gsandbox單獨列出了KPI。結(jié)合ITU-R從IMT-advanced到IMT-2020的KPI的演進來看，新增場景必然會有至少一個代表性的獨立的KPI，而非僅僅只是對于既有KPI進行重新定義。從指標本身的角度，從時延維度，兩者都包含了訓練時延和推理時延，5GPPP在這兩者之外還列了LCM處理時延；從精度而言，5GPPP是在availability（需求滿足時間占比）一個異常檢測precision的KPI，而6GSANDBOX中明確AIML就包含兩種類型，分類和回歸，因此在推理精度指標上細分了precision和accuracy。但是5GPPP和6GSANDBOX的指標維度的差異，前者通過vehicledensity這個指標表征了AI服務的用戶密度或者服務密度，而后者則對于訓練效率提供了一種度量思路。5GPPP6GSANDBOXNewlatencycontributioncomponentsRuntimedelay（LCM處理時延）AIMLprocessingtimeAIMLprocessingresourcesAIMLprecisionAIMLaccuracy4.2.46G網(wǎng)絡AIKPI參考模型綜合考慮ITU-R，Hexa-x，5GPPP和6Gsandbox的KPI模型，以及前文第三章場景化的新KPI的討論，本章節(jié)試圖歸納得出一種網(wǎng)絡AIKPI參考模型。KPI模型首先必須覆蓋所有場景中的關鍵能力，通信和AI融合場景中，ITU愿景中提到的網(wǎng)絡關鍵能力，除了通信增強外，在非通信方面，包括融合的計算和AI新功能，包括從不同來源進行數(shù)據(jù)采集、準備和處理，分布式AI模型訓練，模型共享和分布式推理，以及計算資源編排。同時，正如ITU-R的IMT-advanced和IMT-2020的最小需求報告中，都提到了“需要從用戶、制造商、應用開發(fā)商、網(wǎng)絡運營商、服務和內(nèi)容提供商的角度考慮”。不同角色對于網(wǎng)絡的需求是不同的，因此對應需求的KPI也是不同的。這兩點可以作為KPI模型設計思考的起點。然而對于這一點，有一個問題需要額外考慮，從IMT-advanced到IMT-2020，網(wǎng)絡提供服務的范式并沒有非常顯著的變化。假如將上述角色進行劃分，分為服務提供者provider，服務使能者enabler和服務消費者consumer。以toC業(yè)務為例，終端用戶是服務的消費者，而服務本身的提供者一般不是運營商，而是OTT（服務和內(nèi)容提供商和應用開發(fā)商）。而運營商和制造商則是服務的使能者，通過網(wǎng)絡提供的管道功能，使能OTT給終端用戶提供個性化的服務。然而，6G引入的AI與通信融合場景，是否會突破上述的角色限制，比如，以運營商可能作為AI服務的提供者，使能者和消費者；OTT可能是AI服務的提供者，消費者，或部分使能者（如模型歸屬而這取決于未來6G時代，AI業(yè)務的商業(yè)模式究竟是什么樣的。網(wǎng)絡KPI模型設計必須考慮涵蓋6G網(wǎng)絡的關鍵能力和適配網(wǎng)絡中不同的角色的需求。在此基礎上，考慮到5G及之前的KPI模型實際還是圍繞純通信展開設計的，然而6G引入AI感知等新的網(wǎng)絡能力之后，這些新能力和原有通信的KPI之間是什么關系？是直接把非通信KPI指標和通信KPI指標在結(jié)構上進行并列？還是參考Hexa-X的方式，對概念上相對重疊的指標諸如時延進行概念上的重定義，而新能力的KPI指標單獨列出？這兩種選項都有可能，但是從標準化的角度看，后者的可能性更大。在假設確定了新能力指標可能所屬的指標結(jié)構后，對于網(wǎng)絡AI這一新能力，KPI指標設計時需要涵蓋三個不同的層次：第一個層次是用戶SLA，這個層次是面向的是AI服務的消費者。這個層次的網(wǎng)絡KPI需要涵蓋最終用戶可感知的服務質(zhì)量。第二個層次是性能，這個層次面向的是AI服務提供者，可以理解為AI服務提供者對于AI服務使能者（比如運營商和設備商）的要求。這個層次的網(wǎng)絡KPI需要從整網(wǎng)角度去評估網(wǎng)絡的好與壞。第三個層次是效率，這個層次面向的是AI服務的使能者，可以理解是運營商對于設備商的要求。這個層次的網(wǎng)絡KPI主要關注投資和運營的效率，用盡量少的投資，盡量少的運營成本，來承載更多的用戶和業(yè)務。而這三個層次，都必須考慮到ITU-R提到的不同角色類型“用戶、制造商、應用開發(fā)商、網(wǎng)絡運營商、服務和內(nèi)容提供商”和服務提供者，消費者，以及使能者之間的相互關系。從前文KPI模型角度出發(fā)，網(wǎng)絡AIKPI指標需要：1）涵蓋網(wǎng)絡AI的各種關鍵能力；2）涵蓋用戶SLA，網(wǎng)絡性能和網(wǎng)絡效率這三個維度；3）涵蓋網(wǎng)絡中不同的角色類型。同時，結(jié)合第三章中從網(wǎng)絡AI典型場景中推導得到該場景下所需要的新KPI，在此基礎上進行一定的上位抽象或者裁剪，可得到最能代表網(wǎng)絡AI業(yè)務本質(zhì)的KPI?；诖?，總結(jié)得出以下可能的網(wǎng)絡AI的KPI指標，以下為這些指標的定義?！鯝I服務精度AI服務精度的定義是：在給定時延范圍內(nèi)，對給定的AI推理/訓練任務進行高精度處理的能力，通過AI服務的輸出與給定輸入的真實值相同的程度來衡量。AI服務精度度量網(wǎng)絡提供AI服務的質(zhì)量。這里的AI服務精度并非僅僅由模型或設備內(nèi)部實現(xiàn)決定，傳輸?shù)膸捄蛠G包率也影響著AI服務的精度，而且此兩者的相互影響并非單純的線性疊加，通信和計算之間可以進行跨要素的協(xié)同實現(xiàn)整體AI服務精度。因此，雖然該指標是從業(yè)務實際結(jié)果層面進行定義的，但是其內(nèi)涵是超越單一內(nèi)部實現(xiàn)范疇的?！鯝I服務時延AI服務時延的定義是：在給定準確率要求下，網(wǎng)絡執(zhí)行給定的AI推理/學習任務的端到端時延。這里的端到端時延包括三個部分，分別是：1)部署時延2)處理時延3)傳輸時延部署時延指的是某一特定AI服務從觸發(fā)到部署響應的時延，是原有控制面時延概念上的拓展；處理時延指的是AI服務執(zhí)行過程中，所涉及的執(zhí)行體的處理功能的時延；傳輸時延指的是AI服務的業(yè)務數(shù)據(jù)在網(wǎng)絡內(nèi)傳遞的時延，是原有用戶面時延概念上的值得一提的是，處理時延（無論是在終端側(cè)還是在RAN/CN側(cè)）和設備內(nèi)部實現(xiàn)相關，這部分內(nèi)容可能最后并不會標準化，因此，如何在評估中對于處理時延進行建模還需要進一步研究?！鯝I服務密度AI服務密度的定義是：AI服務密度是指單位時間、單位算力（TFLOPS）、單位帶寬（MHz）約束下，單位覆蓋區(qū)域內(nèi)可執(zhí)行滿足AI業(yè)務準確度和時延要求的AI業(yè)務數(shù)AI服務密度指標度量網(wǎng)絡所能提供的AI服務的容量，區(qū)別于原先通信業(yè)務通過連接密度和傳輸容量來刻畫網(wǎng)絡提供服務的容量特征，因為AI服務本身的特殊性，容量的度量方式將從用戶粒度轉(zhuǎn)化為服務粒度?！鯝I服務效率AI服務效率（資源利用效率）的定義是：單位覆蓋區(qū)域內(nèi)，給定時延范圍和AI推理/訓練任務的數(shù)量和精度，網(wǎng)絡通信資源、計算資源，數(shù)據(jù)資源的綜合消耗。無論是從節(jié)能/可持續(xù)角度，還是從網(wǎng)絡運維的成本角度，AI服務效率都是無法避免的指標。對于5G通信而言，ITU定義的效率指標包括譜效和能效兩個方面。之所以通過兩個獨立的指標衡量，本質(zhì)是因為頻譜的稀缺性要遠遠大于能源的稀缺性，因此根本不存在譜效和能效之間的協(xié)同，實際上，無論什么時候，譜效都是第一位的。但是，在新業(yè)務背景下，除了譜效之外，計算效率/存儲效率都具有遠勝于能效的重要性，因此存在譜效和計算效率/存儲效率之間協(xié)同的可能性。除此以外，從AI服務本身來說，單純的譜效和計算效率是無法代表整個AI服務的效率的，因此需要一個統(tǒng)一的效率指標?！銎渌笜硕秳樱▊鬏敹秳?處理抖動）能效從定義來說，AI服務精度和時延屬于用戶SLA層面的指標，這兩個指標是影響用戶體驗的最重要的指標，且覆蓋了AI推理和訓練兩類AI服務內(nèi)容。AI服務密度則屬于網(wǎng)絡性能層次，該指標實際反映了網(wǎng)絡提供AI服務的容量和覆蓋。而AI服務效率則屬于網(wǎng)絡效率層次，該指標實際反映了網(wǎng)絡提供給定AI服務的資源利用效率。4.4網(wǎng)絡AIKPI評估和計算方法4.4.1AI服務準確率（確定時延要求）步驟1：采用InH/DenseUrban-AIAC測試環(huán)境評估參數(shù)運行上行或下行系統(tǒng)仿真，獲得上行或下行的：1）丟包率PDR；或2）時延預算T內(nèi)成功傳輸?shù)臄?shù)據(jù)量；步驟2：根據(jù)PDR，或成功傳輸?shù)臄?shù)據(jù)量，運行AI處理仿真，得到AI服務精度，即在滿足時延要求的條件下綜合考慮了通信和AI模型的推理準確率；步驟3：統(tǒng)計小區(qū)內(nèi)多用戶的平均服務準確率，CDFY%的推理準確率；4.4.2AI服務時延（確定準確率要求）步驟1：采用InH/DenseUrban-AIAC測試環(huán)境AI相關配置，仿真不同PDR/數(shù)據(jù)量下的AI服務精度，獲取AI服務精度滿足要求的最大PDR/最小數(shù)據(jù)量；步驟2：采用InH/DenseUrban-AIAC測試環(huán)境評估參數(shù)（包括AI服務的計算時延，端到端時延預算PDB）運行上行或下行系統(tǒng)仿真，獲得上行或下行的PDR/成功傳輸和端到端時延分布；步驟3：不斷調(diào)整PDB，重復步驟2，知道PDR小于步驟1中的最大PDR或成功傳輸數(shù)據(jù)量大于步驟1中的最小數(shù)據(jù)量，獲取的端到端時延為AI服務時延；4.4.3AI服務密度（確定精度&時延要求）步驟1：設置服務用戶數(shù)為N；步驟2：采